机器之心发布机器之心编辑部DeepSeek V3/ R1 火爆全网，基于原始模型的解决方案和 API ...

在准备好数据集和模型权重后，可使用Colossal-AI 提供的一键启动脚本 ...

复旦团队 投稿量子位 | 公众号 QbitAI 视频扩散模型新综述来了，覆盖300+文献的那种。 最近，复旦大学、上海市智能视觉计算协同创新中心联合微软等学术机构，在国际顶级期刊《ACM Computing Surveys》（CSUR）上发表了题为《A Survey on Video Diffusion Models》的综述论文。 不仅系统地梳理了扩散模型在视频生成、编辑及理解等前沿领域的进展，还 ...

然而，来自不同领域的图往往表现出显著不同的特性，这成为了一个主要的障碍。一些研究尝试借助大型语言模型，通过图中附带的文本描述来对齐多个领域，但这种做法严重限制了其在带文本属性图上的应用范围。对于无文本图，尽管有少数近期研究试图跨领域对齐不同的特征分布 ...

新一代 Kaldi 团队是由 Kaldi 之父、IEEE fellow、小米集团首席语音科学家 Daniel Povey ...

作者｜summer邮箱｜[email protected] 随着AI竞争加剧，消费市场成为各大科技公司的必争之地。在文心一言、豆包、Kimi等产品疯狂争夺C端用户的当下，如何打开AI消费市场，成为阿里巴巴的紧迫课题。

在当前AI领域的快速发展中，“强推理慢思考”已经成为主要的发展动向之一，它们深刻影响着研发方向和投资决策。 如何将强推理慢思考进一步推广到更多模态甚至是全模态场景，并且确保和人类的价值意图相一致，已成为一个极具前瞻性且至关重要的挑战。

实验结果表明，COPO 算法在 AlpacaEval 2.0 和 MT-Bench 基准测试可以通过多轮探索和对齐来不断进行性能提升。具体地，相比于离线 DPO 算法，COPO 显著提升了 Zephyr-7B 和 Llama3-8B 模型的 LC 胜率，分别达到了 18.8% 和 7.1% 的提升，验证了 LLM 探索能力提升对获取更大数据覆盖和最优策略方面的优势。

作者：梅菜编辑：李宝珠转载请联系本公众号获得授权，并标明来源来自复旦大学、上海科学智能研究院和南京大学的研究团队于提出了一种创新性的 4D 扩散模型，结合分子动力学模拟数据，能够同时预测多个时间步长的蛋白质运动轨迹。蛋白质的功能很大程度上取决于其 ...

TPO团队 投稿量子位 | 公众号 QbitAI 随着大语⾔模型（LLMs）在各类任务中展现出令人瞩目的能力，如何确保它们⽣成的回复既符合预期又安全，始终是⼀项关键挑战。 传统的偏好对⻬⽅法，如基于⼈类反馈的强化学习（RLHF）和直接偏好优化（DPO ...